Zum Hauptinhalt springen Skip to page footer
gaeco ekkodale

Problemstellung

In Unternehmen ist Wissen oft über Webseiten, Dokumentationen und Tools verteilt, ohne dass Zusammenhänge sofort sichtbar werden. Gerade beim Onboarding oder beim Einstieg in neue Themen fehlt damit ein klarer Lernpfad, der relevante Inhalte strukturiert verbindet.

“Wenn ich mich in ein neues Thema einarbeiten will, finde ich zwar einzelne Webseiten, aber nicht den roten Faden dazwischen. Der Ansatz aus der Thesis hilft, weil Inhalte automatisch zusammengefasst, strukturiert abgelegt und als zusammenhängender Wissensgraph sichtbar gemacht werden.”

Forschungsfrage

  1. Wie lassen sich aus Webseiten automatisiert strukturierte Wissensbausteine erzeugen?
  2. Kann GPT dabei helfen, Inhalte zusammenzufassen und Beziehungen zwischen Themen verlässlich zu erkennen?
  3. Wie gut eignet sich ein KI-gestützter Ansatz, um daraus einen nutzbaren Wissensgraphen für Unternehmen aufzubauen?

Ansatz und Methodik

  • Analyse von Webseiteninhalten per Web Scraping mit Fokus auf textbasierte Inhalte
  • Zusammenfassung der Inhalte durch GPT und Überführung in strukturierte Daten im Format JSON-LD
  • Nutzung von Schema.org als gemeinsame semantische Beschreibung für Webseiteninhalte
  • Vergleich einzelner Webseitenbeschreibungen mit GPT, um thematische Beziehungen zu identifizieren
  • Speicherung der Inhalte in einer strukturierten Datenbank und der Beziehungen in einer Graphdatenbank
  • Visualisierung der Ergebnisse als Graph, um Lernpfade und Themenzusammenhänge sichtbar zu machen

Ergebnisse und Bewertung

  • Die Arbeit zeigt, dass GPT für die automatisierte Erstellung von Wissensgraphen sinnvoll eingesetzt werden kann
  • Besonders stark ist der Ansatz bei der Erzeugung verständlicher Zusammenfassungen und bei der Vermeidung falscher positiver Beziehungen
  • Die Qualität der Beziehungen hängt deutlich von der Güte und Klarheit der erzeugten Zusammenfassungen ab
  • Mehrfachauswertungen verbessern die Verlässlichkeit, erhöhen aber auch die Nutzungskosten der KI
  • Insgesamt entsteht ein praktikabler Prototyp, der Wissensaufbau in Unternehmen beschleunigen und strukturieren kann

Relevanz für gaeco

Diese Thesis greift einen zentralen Gedanken von gaeco auf: unstrukturierte Webinhalte werden in semantisch konsistente, strukturierte Daten überführt. Dabei wird sichtbar, wie sich Ontologien, gemeinsame Vokabulare und explizite Beziehungen praktisch nutzbar machen lassen. So wird die Idee einer gemeinsamen Sprache für Daten, Dienste und Anwendungsfälle konkret erfahrbar. gaeco profitiert dabei besonders von einem Ansatz, der Wissen nicht nur speichert, sondern seine Beziehungen sichtbar und maschinenlesbar macht.

Was ist gaeco?

gaeco ist das semantische Datenprodukt von ekkodale - eine Plattform, die Bauprojektdaten maschinenlesbar und systemübergreifend verknüpfbar macht. Diese Arbeit legt eine direkte technische Grundlage dafür: Sie zeigt, wie BIM-Metadaten mithilfe von Ontologien so strukturiert werden, dass gaeco Standards nicht nur abbildet, sondern in bearbeitbare Wissensstrukturen überführt.

Mehr über gaeco erfahren ↗

Metadaten

  • Typ: Bachelorarbeit
  • Status: Abgeschlossen
  • Jahr: 2023
  • Hochschule: Hochschule Darmstadt - Fachbereich Informatik
  • Autor/in: Aris Ananta Muljono
  • Benotung: 1,3
  • Betreut durch ekkodale: Manuel Gerhardt (in Kooperation mit Tim Hoffeller / ekkodale GmbH)
  • Produktbezug: gaeco
  • Themenfeld: Knowledge Graph, Linked Data, GPT, JSON-LD, Schema.org, Webanalyse

 

Wir bedanken uns für die erfolgreiche Zusammenarbeit und den wertvollen Beitrag zur KI-gestützten Strukturierung und Vernetzung von Wissensinhalten. Die Arbeit liefert wichtige Impulse für die automatische Ableitung semantischer Beziehungen und die Weiterentwicklung von gaeco als Wissens- und Datenplattform.

 

Cookie Extension Logo